之前使用pdg2pic的时候，软件弹出提示：“找不到MODI_Engine.exe”，导致pdg无法在转换成pdf的同时ocr。

于是我去翻老马博客，发现老马又对ocr相关程序进行了更新，见：用MODI一次OCR一整本书并将结果发送到WORD[1]，新增了桥接器MODI_Engine。各软件不再直接调用modi，而是通过桥接器MODI_Engine.exe进行调用。提示也说少的是这个东西。

我安装modi比较早，那时还需要从office2003、2007中复制文件和注册表项。这种方法不需要MODI_Engine，所以能一直用到现在，只是不知道为啥突然就不能使用了。

此次老马更新的ocr教程更适合新手使用，只需无脑安装程序就行。因此做个分享。

需要安装的程序

下载地址：https://www.cnblogs.com/stronghorse/p/14594337.html

总共需要安装3个程序，分别是：

MODI_Engine.exe（位于原创软件文件夹下）

Setup_MODI_From_Office2007SP3.exe

Setup_MODI_OCR_Engine_From_Office2007SP3.exe（都位于OCR>>精简版独立安装包文件夹下）

• 报错：“应用程序缺少组件。请重新安装该应用程序。”

这是因为我安装过旧版的MODI引擎，与新版生冲突。

需要删除以下文件夹：

C:\Program Files (x86)\Common Files\microsoft shared\OFFICE12

如果是x86版Windows，则删除：

C:\Program Files\Common Files\microsoft shared\OFFICE12

• 注意：MODI_Engine.exe最好在设置里以管理员方式运行。

好了，以上就是安装的步骤了。很简单。然后就是如何使用。

应用场景

1.pdg转pdf、pic转pdf、djvu转pdf的过程中顺便ocr，生成双层pdf

这三种情况都可以直接使用老马软件。

因为大部分扫描电子书的源文件都是pdg，所以这样应用的频率应该是最高的。

2. 直接对pdf进行ocr，生成双层pdf

对于不想折腾各种格式的电子书的人来说，绝大部分电子书都是pdf的。

如果用老马的软件在pdf的基础上进行ocr，需要将pdf导出为png，然后用Pic2Pdf转换，还是多了一道流程。（当然，如果要用ComicEnhancerPro（CEP）对png进行处理，更方便阅览的话，则不算麻烦。）

因此，可以选择同样基于modi进行ocr的软件：pdf补丁丁。

下载地址：https://www.cnblogs.com/pdfpatcher/

pdf补丁丁还有一个优点：方便校对ocr的文字。老马给出的校对方案是显示隐藏文本后用Foxit Phantom校对，见：《校对双层PDF中的隐藏文本》[2]。而pdf补丁丁会直接生成xml文件，用txt打开即可校对修改。

• 注意

如果无法ocr，请尝试将软件以管理员方式运行。

3. ocr并导出结果至word

这种情况是只需要文本，而不需要原来的扫描pdf。ocr后的文本可以进行更多的操作，比如制作epub格式的电子书。

此外，modi发送到word中的ocr结果是经过段落合并的。上面两种ocr生成的双层pdf，文字只会按行合并。复制出来每行要删除空格。老马此次折腾为的就是这个。

安装精简版MODI后，会在桌面上创建MSPVIEW图标。

MSPVIEW只能导入tiff和mdi两种格式。因为所有的ocr操作均只针对二值化（纯黑白）图像，而modi内部处理的二值化效果不如老马开发的cep。

首先需要用cep将图像导出为“纯黑白”的单页tiff。然后用TiffToy（软件可在原创软件中找到）把全部单页tiff合并成一个多页tiff文件（此多页tiff文件最好不要超过300页，不然ocr可能会出问题）。

导入多页tiff文件到MSPVIEW后，点击工具栏的“使用ocr识别文本”、“将文本发送到word”即可。

从理论上来说，把jpg、png等文件用TiffToy直接合并成多页tiff可是可以的。只是ocr效果可能不如经过cep处理的。

各种ocr软件综评

ocr的模型大多数是各个公司训练的。微软的这个不知道自office之后有没有更新。但文中非印刷的繁体竖排识别效果不如白描（用的百度接口）。

相比于天若、白描这些软件，modi的方便之处在于纯免费，不用联网，可批量处理。更重要的是，与老马系列软件可以完美配合，所以更适用于电子书的ocr。

引用链接

[1]用MODI一次OCR一整本书并将结果发送到WORD:https://www.cnblogs.com/stronghorse/p/16324372.html
[2]《校对双层PDF中的隐藏文本》:https://www.cnblogs.com/stronghorse/p/4913425.html